深層学習による心房細動患者の脳梗塞発症の予測モデル構築

2018 年度 研究成果報告書

• 研究課題/領域番号: 16K09419
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 研究分野: 循環器内科学
• 研究機関: 国際医療福祉大学 (2017-2018); 東京大学 (2016)
• 研究代表者: 桜井 亮太 国際医療福祉大学, 医学部, 教授 (80466747)
• 研究期間 (年度): 2016-04-01 – 2019-03-31
• キーワード: 機械学習 / 深層学習 / 予測モデル / 電子的診療データ / 心房細動 / 脳梗塞発症 / 臨床

研究成果の概要

本研究では、大規模な電子的診療データを利用し、深層学習を用いたモデルを構築すると、従来の機械学習を用いたモデルと比較して、心房細動患者の将来の脳梗塞発症をより精度よく予測できるかを調査することを目的とした。
SS-MIX2ストレージに格納されている、単一施設での数千症例・数万特徴量の診療データを抽出し、複数の機械学習アルゴリズムを用いたモデルによる予測性能を比較・検討したところ、勾配ブースティングモデルにおいて、正解度、適合率、および再現率とも1.000を達成し、この機械学習アルゴリズムを用いることにより最適な予測モデルを構築できることが確認された。

自由記述の分野

医療情報学

研究成果の学術的意義や社会的意義

大規模な電子的診療データが利用できるようになり、新しい機械学習の手法である深層学習を用いると、より正確に疾患の発症を予測できることが期待されるが、専用のコンピュータや多くのハードディスク容量、消費電力、計算時間を要するなど、欠点もある。今後さらなる改良が期待されるが、現時点で利用可能な計算機や機械学習の手法を用いることでも、実際に自分が治療を受けている医療機関でのデータのみで、十分正確な疾患の発症が予測できることが明らかとなった。